다층 퍼셉트론과 오토인코더 신경망을 결합한 새로운 딥러닝 모델을 이용한 홍수 취약성 매핑 및 평가

초록 홍수는 매년 전 세계적으로 재정적 손실과 인명 피해를 초래하는 가장 파괴적인 자연 재해 중 하나입니다. 최근 데이터 기반 기법과 원격 감지(RS), 지리정보 시스템(GIS)의 조합이 홍수 취약성 매핑을 위해 연구자들에 의해 널리 사용되고 있습니다. 본 연구는 이란과 인도에 위치한 두 개의 연구 지역에 대한 취약성 지도를 생성하기 위해 다층 퍼셉트론(MLP) 모델과 오토인코더 모델을 결합한 새로운 하이브리드 모델을 제시합니다. 두 가지 사례에 대해 각각 아홉 개와 열두 개의 요소가 홍수 취약성 매핑을 위한 예측 변수로 고려되었습니다. 제안된 하이브리드 모델의 예측 능력은 전통적인 MLP 모델과 수신기 동작 특성(AUROC) 기준을 통해 비교되었습니다. 이란과 인도 사례에 대해 MLP 및 오토인코더-MLP 모델의 AUROC 곡선은 훈련 단계에서 각각 75 및 90, 74 및 93%였으며, 테스트 단계에서는 60 및 91, 81 및 97%였습니다. 결과는 하이브리드 오토인코더-MLP 모델이 MLP 모델보다 우수하다는 것을 시사하며, 따라서 홍수 취약성 매핑을 위한 다른 연구에서도 강력한 모델로 사용할 수 있습니다.